3
Rahmi, A, Mahmudy, WF Setiawan, BD 2015, Prediksi harga saham berdasarkan data historis menggunakan model regresi yang dibangun dengan algoritma genetika, DORO: Repository Jurnal
Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 12. mendatangMakridakis, Steven Victor,
1999. Terdapat pemodelan regresi berganda,
dimana terdapat sebuah variabel tidak bebas y dan beberapa variabel bebas x1, x2, .....,xn
dengan tujuan mencari suatu fungsi yang dapat menghubungkan y dan semua variabel bebas.
Bentuk umum dari regresi berganda adalah :
1 Dimana :
Y’ = Prediksi harga saham di masa
mendatang ,
= Koefisien regresi = Hasil rata-rata harga saham dari
harga open dan close periode 1 = Hasil rata-rata harga saham dari
harga open dan close periode n 3.4
Algoritma Genetika
Algoritma genetika
pertama kali
ditemukan oleh John Holland dari Universitas Michigan pada awal 1970an di New York,
Amerika Serikat. Kemudian pada tahun 1975 John Holland bersama murid
– murid serta rekan kerjanya menghasilkan buku yang
berjudul “Adaption in Natural and Artificial Systems
”. Konsep algoritma genetika diilhami oleh ilmu alam Mahmudy, 2013.Dimana
individu yang lebih baik yang mampu bertahan, sehingga individu tersebut akan menjadi solusi
optimal dari sebuah masalah.
Proses dalam
algoritma genetika
dimulai dengan tahap inisialisasi, yaitu
menciptakan individu – individu secara acak
yang memiliki susunan gen kromosom tertentu. Kromosom ini mewakili solusi dari
permasalahan. Tahap
selanjutnya adalah
reproduksi untuk menghasilkan offspring dari individu
yang ada
dipopulasi. Setelah
reproduksi akan lahir individu baru sehingga jumlah individu bertambah. Setiap kromosom
mempunyai fitness, makin besar fitness makin baik kromosom tersebut untuk dijadikan solusi.
Tahap menghitung fitness ini disebut tahap evaluasi. Tahap akhir adalah seleksi yaitu
memilih individu dari himpunan populasi dan offspring. Individu hasil seleksi dipertahankan
hidup pada generasi berikutnya Mahmudy, 2013.
4. METODOLOGI PENELITIAN
4.1 Tahapan Penelitian
Tahap-tahap implementasi algoritma genetika dalam prediksi harga saham adalah :
1. Mengumpulkan data historis harga open
dan close saham BCA selama dua tahun dimulai dari tanggal 30 Oktober 2012
– 30 Oktober 2014 yang didapatkan dari
yahoo finance dan dihitung rata- ratanya.
2. Menganalisa dan merancang sistem
menggunakan data
yang sudah
diperoleh. 3.
Membuat sistem berdasarkan analisa dan perancangan yang dilakukan
4. Melakukan uji coba terhadap sistem
5. Melakukan evaluasi analisa hasil
prediksi yang diperoleh dari ujicoba tersebut dengan membandingkan hasil
tiap generasi populasi
4.2 Alur Penyelesaian Masalah
Menggunakan Algoritma Genetika Dalam penelitian ini menggunakan saham
4 periode. Data historis saham 4 periode dapat dilihat pada Tabel 1.
Tabel 1 Data Saham 4 Periode
N o
Tangg al
Y X1
X2 X3
X4 1 291014
13375 13325
13175 13325
13275 2 281014
13325 13175
13325 13275
13025 ;
; 9 171014
12575 12600
12675 12625
12600 10 161014
12600 12675
12625 12600
12800
Satu persamaan regresi 1 berlaku untuk keseluruhan data saham.
Langkah selanjutnya adalah melakukan proses perhitungan memprediksi harga saham
menggunakan algoritma genetika
4.2.1 Representasi Kromosom
Representasi kromosom menggunakan real-coded genetic algorithm. Pembentukannya
dengan membangkitkan nilai random pada interval [-100,100]. Hasil nilai random tersebut
menyatakan proporsi koefisien regresi. Panjang kromosom sama dengan banyaknya koefisien
untuk periode tertentu. Jika periode yang digunakan adalah 4, maka jumlah koefisien
regresinya adalah 5. Index ke-1 menyatakan koefisien awal yaitu a, index ke-2 menyatakan
koefisien ke-2 yaitu
serta koefisien dari harga saham periode ke-1, dan seterusnya
sampai index ke-5. 1
2 3
4 5
a -50,848
90,7864 93,5881
-32,552 -79,771
Gambar 1
Representasi Kromosom Parent 1
4
Rahmi, A, Mahmudy, WF Setiawan, BD 2015, Prediksi harga saham berdasarkan data historis menggunakan model regresi yang dibangun dengan algoritma genetika, DORO: Repository Jurnal
Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 12.
4.2.2 Perhitungan Fitness
Tujuan pembentukan koefisien adalah untuk mendapatkan hasil prediksi yang optimal
dengan error yang minimal. Maka perhitungan fitness dimulai dengan menghitung prediksi
harga dengan fungsi regresi pada semua data..
= =
= Kemudian dilanjutkan dengan mencari nilai
error Mean Squared Error dengan rumus : √∑
2
√
294634,567 Selanjutnya adalah menghitung hasil fitness
yang dapat diperoleh diperoleh dari : 3
Hasil pembentukan awal kromosom tersebut dapat dilihat pada Gambar 2.
1 2
3 4
5 Fitness
1error a
55,49 34
21,51 89
- 63,99
87 -
15,15 8
- 14,31
86 1,15195E-13
Gambar 2 Hasil Perhitungan Fitness
4.2.3 Crossover
Crossover digunakan
untuk menghasilkan individu baru dengan gen
– gen yang berbeda dari individu sebelumnya. Pada
penelitian ini crossover dilakukan dengan extended intermediate. Extended intermediate
crossover menghasilkan
offspring dari
kombinasi nilai
dua induk.
Banyaknya offspring yang dihasilkan dalam proses
crossover adalah cr x popSize. Misalkan P
1
dan P
2
adalah dua kromosom adalah parent, maka offspring C
1
dan C
2
dapat dibangkitkan sebagai berikut :
C
1
= P
1
+ α P
2
– P
1
C
2
= P
2
+ α P
1
– P
2
4 Nilai α dibangkitkan secara acak pada interval
yang telah ditentukan sebelumnya. α = 0,695975136
C
1
= P
1
+ α P
2
– P
1
= 55,49344067 + 0,695975136 57,19912575
– 55,49344067 = 56,68055508
C
2
= P
2
+ α P
1
– P
2
= 57,19912575 + 0,594645 55,49344067 –
57,19912575 = 56,01201134
4.2.4 Mutasi
